我想“循环”data.table的行并计算每行的平均值。平均应该基于下面的机理来计算:“循环遍历”data.table来计算条件平均值
- 里查找行中的识别符ID I(ID(i))的
- 查找T2的值在第i行(T2(i))的
- 计算平均通过
Data1
值中的所有行j
,满足这两个标准:ID(j) = ID(i)
和T1(j) = T2(i)
在行的列数据2输入所计算出的平均I
DF = data.frame(ID=rep(c("a","b"),each=6), T1=rep(1:2,each=3), T2=c(1,2,3), Data1=c(1:12)) DT = data.table(DF) DT[ , Data2:=NA_real_] ID T1 T2 Data1 Data2 [1,] a 1 1 1 NA [2,] a 1 2 2 NA [3,] a 1 3 3 NA [4,] a 2 1 4 NA [5,] a 2 2 5 NA [6,] a 2 3 6 NA [7,] b 1 1 7 NA [8,] b 1 2 8 NA [9,] b 1 3 9 NA [10,] b 2 1 10 NA [11,] b 2 2 11 NA [12,] b 2 3 12 NA
对于这个简单的例子的结果应该是这样的:
ID T1 T2 Data1 Data2
[1,] a 1 1 1 2
[2,] a 1 2 2 5
[3,] a 1 3 3 NA
[4,] a 2 1 4 2
[5,] a 2 2 5 5
[6,] a 2 3 6 NA
[7,] b 1 1 7 8
[8,] b 1 2 8 11
[9,] b 1 3 9 NA
[10,] b 2 1 10 8
[11,] b 2 2 11 11
[12,] b 2 3 12 NA
,我认为这样做是通过行循环的一种方式,但我认为这是低效的。我查看了apply()
函数,但我确定它是否能解决我的问题。如果这样可以使效率更高或更容易,我也可以使用data.frame
而不是data.table
。真实的数据集包含大约100万行。
您编写的规范看起来很难实现,但您的示例建议在每个ID组中您想要某些值组的值的平均值,其中T2在T1的值范围内。但是,当试图弄清楚为什么第二行中的Data2应该是5时,即使这种解释也会崩溃。 – 2012-03-23 17:48:38
@DWin这是因为平均值是在'Data1'列上完成的。 'Data2 [2]'等于5,因为5是'(4,5,6)'的平均值。 – ulidtko 2012-03-23 17:57:29